基于深度学习的天气雷达回波序列外推及效果分析     

黄兴友  马玉蓉  胡苏蔓 《气象学报》2021,79(5):817-827

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。   相似文献   

基于智能物联网技术的天津城市积水监测预警系统     

侯天宇  梁好  霍凯  赵敏  陈子煊  张春莉  苑超 《气象研究与应用》2021,(1):85-89

通过智能物联网技术实时获取积水监测实况数据,利用天津市气象精细化格点预报产品和城市自动雨量观测站实况数据,以机器学习、神经网络模型和天津市城市内涝风险等级划分原理为基础,研究基于用户实时位置的城市内涝预报预警技术,研发天津市城市自动化积水监测预警系统。结果表明,该系统具备一定的城市内涝风险监测预警预报能力,并在2018—2020年多次重大天气过程中应用,积水深度预报结果与监测结果基本一致,应用数据表明验证结果良好,系统可以为政府防灾减灾决策、指挥调度提供精准、及时的气象数据支撑。  相似文献   

基于深度能量模型的低剂量CT重建     

朱元正  吕启闻  官瑜  刘且根 《CT理论与应用研究》2022,31(6):709-720

降低计算机断层扫描（CT）的剂量对于降低临床应用中的辐射风险至关重要,深度学习的快速发展和广泛应用为低剂量CT成像算法的发展带来了新的方向。与大多数受益于手动设计的先验函数或有监督学习方案的现有先验驱动算法不同,本文使用基于深度能量模型来学习正常剂量CT的先验知识,然后在迭代重建阶段,将数据一致性作为条件项集成到低剂量CT的迭代生成模型中,通过郎之万动力学迭代更新训练的先验,实现低剂量CT重建。实验比较,证明所提方法的降噪和细节保留能力优良。   相似文献   

深度学习重建算法在上腹部CT成像中的应用     

温德英  杨杰尹  汪琴  李臻  王寒箫  汪艾杰  邓巧  唐露  伍希  姚晋  卢春燕  孙家瑜 《CT理论与应用研究》2022,31(3):329-336

目的:通过分析比较自适应统计迭代重建（ASIR）算法和深度学习重建（DLIR）算法在上腹部CT成像中的图像质量,探讨DLIR算法在上腹部CT成像中的应用价值。方法:回顾性纳入75例患者上腹部CT平扫图像,利用自适应统计迭代重建算法ASIR（30％、50％、70％、90％）和深度学习重建算法（DL-L、DL-M、DL-H）重建图像,共7组。测量每组图像肝脏、胰腺、竖脊肌的CT值和SD值,并计算信噪比（SNR）和对比噪声比（CNR）,采用单因素方差分析对各指标进行客观评价;同时由两位放射医师对图像质量和噪声评分,采用Friedman M检验进行比较。结果:①七组重建图像的SD值、SNR、肝脏CNR差异有统计学意义。②DL-L与ASIR 50％、DL-M与ASIR 70％、DL-H与ASIR 90％ 间各ROI处CT值、SD值、SNR值、CNR值无差异。③三种深度学习重建算法间随等级升高,SNR值升高,差异有统计学意义;且DL-H 算法的SNR值高于ASIR 30％、ASIR 50％,SD值低于除ASIR 90％ 外的其余5组重建算法。④七组图像主观评分差异有统计学意义,算法DL-H具有最佳的图像质量和最低的噪声,DL-M、ASIR 90％、DL-L、ASIR 70％、ASIR 50％、ASIR 30％ 图像噪声依次增加。结论:深度学习重建算法能够降低上腹部图像噪声,提高图像质量,且随等级升高,图像噪声降低、质量提高、信噪比升高。   相似文献   

基于地震属性约简的深度学习储层物性参数预测:以莺歌海盆地乐东区为例     

刘仕友  曲福良  周凡  邓利峰 《CT理论与应用研究》2022,31(5):577-586

储层物性参数作为描述储层特性、储层建模和流体模式的重要指标,其准确估算可以为储层预测提供有力参考依据,但传统储层物性参数反演方法无法兼顾反演精度及空间连续性。针对上述问题,本文引入地震属性作为深度学习算法输入,针对地震属性之间存在的信息冗余特征,利用随机森林-递归消除法对地震属性进行约简预处理,最终建立一种基于地震属性约简的储层物性参数预测方法。实际数据测试结果表明,地震属性约简的深度学习储层物性参数预测结果具有良好的精度及横向分辨率,证实本文方法的有效性。   相似文献   

膝关节三维磁共振影像语义分割的可行性研究     

SHEN Le  LU Qian  TANG Hu  WU Sha  YI Yi  SUN Yunda  QIU Qian  ZHANG Li  ZHENG Zhuozhao  CAI Xu 《CT理论与应用研究》2022,31(5):531-542

MR三维图像的全膝自动分割对膝骨关节炎疾病的诊断、指导和治疗具有重要意义。然而,膝关节的三维MR图像中涉及多种多样的解剖结构,人工勾画费时耗力;全膝自动分割不但节省人力,且可以通过更准确的细节勾画来提高关节炎的诊疗质量。现有的膝关节分割方法只关注众多解剖结构中的一个或几个结构,无法提供全膝分割的结果。本文研究基于三维神经网络的全膝分割方法,并致力于应对以下挑战:①在三维 MR图像上对包括骨骼和软组织在内的全膝15个解剖结构进行端到端分割;②前交叉韧带等小结构的鲁棒分割,前交叉韧带仅占全膝体积的0.036％ 左右。在基于脂肪抑制三维各向同性中等权重VISTA序列的膝关节MR图像上,验证本文方法的平均分割精度为92.92％,其中9种结构的Dice相似系数在94％ 以上,5种结构在87％～90％ 之间,剩余1种结构在76％ 左右。   相似文献   

基于开源GIS的地震灾情速报信息收集与处置研究     

王斐斐  韩贞辉  樊华  宋鹏展 《震灾防御技术》2022,17(1):188-196

针对河南省灾情获取效率低的现实问题,设计基于QGIS的微信小程序,实现灾情速报员属性数据空间化,并自动分配拨打电话任务,灾情调查人员及时将通过拨打电话获取的灾情信息快速上报,实时动态展布,并快速统计灾情速报信息,生成地震有感范围图和地震灾情信息汇总报告,为地震抗震救灾指挥部决策提供支持,满足河南及邻区小震、弱震较多地区地震应急、应急演练工作需求,也为其他应急系统建设提供参考。  相似文献   

基于迁移学习的地球物理测井储层参数预测方法研究     

邵蓉波  肖立志  廖广志  周军  李国军 《地球物理学报》2022,65(2):796-808

随着大数据和机器学习的成熟和推广应用,人工神经网络在地球物理测井预测储层参数中得到重视.本文引入迁移学习进行测井储层参数预测,以孔隙度预测神经网络模型和孔隙度含水饱和度联合预测神经网络模型为基础模型,分别以渗透率及含水饱和度预测作为目标任务进行迁移学习,以提升储层参数预测效果和效率.文中详细阐述了基于迁移学习的测井储层参数预测方法,并使用64口井的测井数据进行储层参数预测效果分析.结果表明,使用迁移学习后,渗透率模型预测效果最高可以提升58.3%;含水饱和度模型预测效果最高可以提升近40%,且最大可以节省60%的计算资源;以孔隙度预测模型为基础模型时更适合使用参数冻结的训练方式,以孔隙度含水饱和度联合预测模型为基础模型时更适合使用参数微调的训练方式.  相似文献   

基于深度学习的地震震级分类          下载免费PDF全文

刘涛  戴志军  陈苏  傅磊 《地震学报》2022,44(4):656-664

为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震。结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息。   相似文献   

多尺度分割和深度学习相结合的倾斜摄影三维影像建筑物震害信息提取          下载免费PDF全文

帅向华  荆帅军  郑向向  刘钦 《地震学报》2022,44(5):881-890

采用多尺度分割和深度学习相结合的方法对震后倾斜摄影三维影像建筑物震害信息进行提取,获取建筑物的屋顶和墙体多种破坏信息。以2017年九寨沟M_S7.0地震后倾斜摄影三维影像为例,依据三维影像建筑物顶面和墙体等进行样本的多尺度分割,样本分为完好建筑物面、破坏建筑物面、其它地物和背景等三类,选取211个100×100像素的样本集对卷积神经网络模型进行训练,采用训练后的模型提取灾区千古情风景区和漳扎镇小学的建筑物震害信息,并将提取结果与目视解译结果进行精度对比,结果显示:破坏建筑物面提取精度分别为65.5%和71.1%,总体分类精度分别为82.1%和84.1%,卡帕（Kappa）系数分别为68.7%和64.9%,表明该方法在倾斜摄影三维影像建筑物震害提取方面具有一定的优势。   相似文献